[論文レビュー] An infectious diseases hazard map for India based on mobility and transportation networks

Onkar Sadekar, Mansi Budamagunta+3 more|arXiv (Cornell University)|May 24, 2021

COVID-19 epidemiological studies参考文献 28被引用数 3

ひとこと要約

本稿では、航空、鉄道、道路網を介した都市間移動に基づく有効距離を用いて、インドにおける動的な感染症リスク地図を提案する。446都市の実際の移動データと拡張SIRモデルを統合することで、感染の到着時刻を高い精度で予測し、SARS-CoV-2の広がり方と照合してリスク指標の妥当性を検証し、今後の流行に対する強力な予測能力を示している。

ABSTRACT

We propose a risk measure and construct an infectious diseases hazard map for India. Given an outbreak location, a hazard index is assigned to each city using an effective distance that depends on inter-city mobilities instead of geographical distance. We demonstrate its utility using an SIR model augmented with air, rail, and road data between top 446 cities. Simulations show that the effective distance from outbreak location reliably predicts the time of arrival of infection in other cities. The hazard index predictions compare well with the observed spread of SARS-CoV-2. The hazard map can be useful in other outbreaks also.

研究の動機と目的

• 地理的距離よりも移動状況を重視する、インドにおける感染症広がりのリスク評価フレームワークの構築を目的とする。
• 従来の地理的距離の限界を克服し、輸送網に基づく有効距離指標を導入することで、流行の伝播予測を改善することを目的とする。
• 都市間の移動パターンと潜在的な流行発生地点に基づき、各都市にリスク指標を割り当てる動的なリスク地図の作成を目的とする。
• インドの初波および第2波における実際のSARS-CoV-2広がりデータを用いて、モデルの予測精度を検証することを目的とする。
• 将来的な流行に備えた公衆衛生計画および早期警戒のためのスケーラブルで輸送網に基づいたツールを提供することを目的とする。

提案手法

• 都市間の移動率を表す交通行列 F^n_m を用いて、標準的なSIR混合モデルに都市間接続性を統合する。
• 有効距離を、出発都市からの感染到着までの時間遅延として定義し、ユークリッド距離ではなく移動重み付きネットワーク経路に基づく。
• 都市の人口、近接性（200 km以内）、希望されるグローバル移動度（γ = 0.015）に基づいて、旅行流量を割り当てるヒューリスティックアルゴリズムを用いて移動ベースのF行列を構築する。
• F行列に対称性制約を適用し、対称的エントリが所定の流量を超えた場合に、高流量都市の移動度を段階的に増加させることでオーバーフローを是正する。
• 道路および鉄道ネットワークモデルの隣接行列構築にあたり、geopyライブラリを用いて都市間のグレートサークル距離を計算する。
• 航空、鉄道、道路輸送データを統合し、インドの446都市（人口10万人以上）を対象に、拡張SIRモデルを用いて感染症の広がりをシミュレートする。

実験結果

リサーチクエスチョン

• RQ1 都市間移動ネットワークに基づく有効距離は、地理的距離よりも、インドの異なる都市における感染の到着時刻をより正確に予測できるか？
• RQ2 移動パターンに基づいて導出された本研究のリスク指標は、インドにおけるSARS-CoV-2の実際の広がりとどの程度相関しているか？
• RQ3 航空、鉄道、道路輸送網が、インドにおける感染症伝播の空間的ダイナミクスに、どの程度統合的に影響を与えているか？
• RQ4 本モデルは、初波および第2波におけるムンバイやデリーなどの主要都市における流行の相対的発生時刻をどの程度正確に予測できるか？
• RQ5 病原体の内在的伝播性が不明な場合でも、移動に基づくリスク地図は、将来的な流行に一般化して利用可能か？

主な発見

• 移動ネットワークに基づく有効距離指標は、他のインド都市における感染の到着時刻を高い精度で予測し、地理的距離を上回る性能を示した。
• 移動パターンに基づくリスク指標は、インドの初波および第2波におけるSARS-CoV-2の実際の広がりと強く一致しており、特にムンバイやデリーのような主要都市で顕著であった。
• 道路輸送のためのモデルF行列では、平均グローバル移動度が0.0115（標準偏差0.0021）であり、446都市のうち92％（410都市）が正確に0.015の局所移動度を示した。
• 対称的流量オーバーフローを是正するために移動度調整が必要だった都市はたった6都市にとどまり、アルゴリズムの強靭性と大規模都市ネットワークへのスケーラビリティを示している。
• 移動ネットワークにおける都市1つあたりの平均接続数は20であり、長距離伝播を可能にする well-connected 国内輸送インfraを示している。
• モデルの予測は実世界のデータを用いて検証され、移動に基づくネットワークが、インドのような大規模で多様性のある国における流行伝播パターンの主要因であることが確認された。